[论文解读] A Linear Preferential Attachment Process Approaching the Rado Graph

Richard Elwes|arXiv (Cornell University)|Mar 29, 2016

Complex Network Analysis Techniques参考文献 6被引用 3

一句话总结

本文研究一种线性优先连接过程，其中新顶点以与现有顶点当前度成比例的概率连接到已有顶点。利用鞅方法，证明除非初始图为空图或完全图，否则该过程几乎必然收敛到Rado图，且仅增加有限多个孤立或全域顶点。

ABSTRACT

We consider a preferential attachment network growth process under a simple linear dynamic: vertices are added to the network one at a time, and at stage $t$ the probability that the new $t+1$st vertex connects to vertex $u \leq t$ is exactly $\frac{d_u(t)}{t}$ where $d_u(t)$ is the degree of $u$ at time $t$. Building on some Martingale machinery introduced by Kleinberg and Kleinberg in [9], we show that, so long as the initial graph is neither edgeless nor complete, with probability 1 the infinite limit of the process will be a copy of the Rado graph augmented with a finite number of either isolated or universal vertices. Finally, we offer an informal argument that this result does not generalise to processes with attachment probability $\lambda \cdot \frac{d_u(t)}{t}$ where $\lambda <1$.

研究动机与目标

• 分析随机网络增长中线性优先连接过程的几乎必然极限。
• 确定该过程在何种条件下收敛到Rado图——一种通用随机图。
• 将Kleinberg与Kleinberg的基于鞅的分析方法扩展，以建立收敛性质。
• 研究该结果在次线性连接概率（λ < 1）下是否依然成立。

提出的方法

• 该过程每次添加一个顶点，时间t时连接到顶点u的概率为d_u(t)/t，其中d_u(t)表示顶点u在时间t时的度数。
• 应用鞅理论分析顶点度数和连通模式的几乎必然收敛性。
• 分析集中于该过程形成的无限随机图的极限结构。
• 该方法依赖于Rado图的结构特性，特别是其通用性与同构性。
• 证明表明极限图同构于Rado图，可能额外包含有限多个孤立或全域顶点。
• 提供一个非正式论证，表明当连接概率按λ < 1缩放时，该结果不成立。

实验结果

研究问题

• RQ1 在何种条件下，线性优先连接过程收敛到Rado图？
• RQ2 初始图结构如何影响该过程的几乎必然极限？
• RQ3 能否将先前研究中基于鞅的技术扩展，以证明收敛到Rado图？
• RQ4 该结果是否可推广到次线性连接概率（λ < 1）的情形？
• RQ5 孤立或全域顶点在极限结构中起何种作用？

主要发现

• 以概率1，该过程的无限极限图同构于Rado图，前提是初始图既非空图也非完全图。
• 极限图可能包含有限多个孤立或全域顶点，但其余结构与Rado图一致。
• 收敛结果依赖于对顶点度数和连通模式随时间演变的鞅分析。
• 基于非正式论证，当连接概率按λ < 1缩放时，该过程不收敛到Rado图。
• 该结果在初始图结构假设最小化的前提下，精确建立了对通用随机图的几乎必然收敛。